亿迅智能制造网
工业4.0先进制造技术信息网站!
首页 | 制造技术 | 制造设备 | 工业物联网 | 工业材料 | 设备保养维修 | 工业编程 |
home  MfgRobots >> 亿迅智能制造网 >  >> Manufacturing Technology >> 工业技术

白领、蓝领、新领:技术驱动下的美国劳动力转型

随着技术在制造业中的应用日益增长,蓝领工作的技能要求变得更加复杂,技能差距进一步扩大。当今的智能制造和分销时代越来越依赖高科技系统、传感器、反馈回路和持续自动化。虽然部分加工和分销工作仍为人工操作,但设备正日益实现数字化驱动。

新领工人的崛起

随着现代供应链行业的不断演变,劳动力分类的传统界限——即“白领从事脑力劳动、蓝领从事体力劳动”的假设——正被打破。领先的供应链组织已认识到需要一种全新类型的员工,被称为“新领”工人,他们是制造业和物流业未来的关键。

供应链的大规模数字化要求新领劳动力具备专业技能和培训。例如,制造商仍需要机床操作工,但要在全球市场立足,新一代工人必须兼具技术与数字技能,以及批判性思维和解决问题的能力。

值得注意的是,胜任新领工作的人员不需要四年制大学学位。他们可通过社区学院、职业学校、软件训练营、高中技术教育课程,或在职学徒制和实习获得培训。

简而言之,新领工人来源广泛:现有工厂车间、高中项目或非传统教育路径。我们都必须对这一现实保持开放态度。

招聘与保留的挑战

新领劳动力可通过内部培养和外部招聘开发,但招聘和留住此类员工颇具挑战。从科技到医疗等行业,随着人工智能、自动化和数字化渗透各领域,均需专业人才。

在日益数字化、多行业争夺有限人才的环境下,供应链雇主如何吸引新领工人?雇主不应仅关注学历和过往经验,而应基于候选人获取新技能的潜力及其整体“可训练性”进行招聘。人力资源领导者应识别新领环境下成功所需的关键特质和技能,并调整候选人评估和面试流程,重点发掘具备潜力的员工。

此方法适用于内外部候选人。对许多组织而言,提升或再培训现有员工是弥补技能差距的有效途径。然而,许多企业忽视自身的蓝领工人,或视其为易于替代。相反,应识别并提升那些表现出学习意愿和解决问题倾向的现有蓝领工人。

蓝领工人的学习渴望

好消息是,当今蓝领工人极其渴望学习新技能并实现向上流动。据EmployBridge 2019年《蓝领工人心声研究》,95%的蓝领工人愿投入个人时间学习新技能,90%对学徒制感兴趣,大多数认为薪资增长应基于绩效而非资历。

与十年前制造业失业率高达13.3%不同,如今蓝领失业率仅3.7%,制造和物流岗位多于求职者。面对充足的就业选择,若缺乏技能提升和晋升机会,蓝领工人更易且更有能力离职。通过提供在职培训、学徒制、导师制和在线技能培训等工作制项目,雇主可培养自有新领劳动力,同时保留组织知识、降低流失率。

行业形象与招聘策略

制造和物流行业正因AI和机器人等高科技创新而复苏,但其在大众尤其是成长于“五大科技巨头”(Facebook、Amazon、Apple、Microsoft、Google)崇拜下的新生代中的形象尚未跟上。而这些“数字原住民”最易从智能手机和电子游戏过渡到操作自动化或计算机辅助设计(CAD)程序。

过去十年人才充足时行业的低调形象加剧了招聘难题。解决之道是向高中毕业生、职业或技术项目学员及社区大学生推广企业及行业职业潜力。组织需确保培训和提升机会、新领岗位与现有劳动力匹配。推广那些需要数字或技术技能但不要求大学学位、或虽需数字技能但以往不需要的岗位,或能解决关键技能缺口。

未来展望

新领劳动力是制造、仓储和分销未来的基石。当下及未来,人人都需成为问题解决者和技术熟练者。制造业预计到2025年将出现200万岗位空缺,所需技能正在改变,甚至高度常规化的工作也将要求即兴发挥和批判性思维。

通过吸引新领人才、对现有员工进行再培训或技能提升以填补技术变革创造的新角色,雇主有明确机会避免技能短缺。更重要的是,新资质可助原蓝领工人转向更稳定、薪酬更高、更有成就感的工作。

Paul Seymour是EmployBridge供应链部门总裁。

工业技术

  1. 维护实践演进:从被动修复到主动风险基础策略
  2. 白领、蓝领、新领:技术驱动下的美国劳动力转型
  3. 振兴美国制造业:就业与可持续发展的双重必然
  4. 移动应用低员工参与度的隐性成本
  5. COVID-19如何重塑物流劳动力与招聘实践
  6. 美国熟练劳动力短缺:成因、冲击与对策
  7. 为何现在是成为美国制造商的最佳时代
  8. 破解制造业用工荒:存量人才激活与技术赋能双引擎战略
  9. 医疗材料如何变革骨科手术
  10. 工业 4.0:数字化转型如何重塑制造业
  11. 为工业 4.0 培育未来劳动力:数字化工厂培训策略
  12. 维护工种全景:角色、职责与领色区分